Ispezione dei cilindri
Lo strumento di rilevamento dei difetti Deep Learning di Cognex rileva in modo affidabile i fori del metallo
Prodotti correlati
Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi
A breakthrough in complex inspection, part location, classification, and OCR
Il blocco cilindrico è la base del motore delle automobili. I suoi cilindri larghi sono componenti fondamentali del motore a pistoni, creati per contene i pistoni durante il pompaggio sotto pressione in su e in giù. Solitamente sono fatti in metallo fuso e talvolta viene aggiunto un rivestimento lubrificante. Le pareti del cilindro devono essere durature, perché sono a contatto con gli anelli di compressione del pistone. Il cilindro può tollerare piccole irregolarità metalliche, che si consumano con l'usura meccanica, ma non deve avere bolle o pori. Questi difetti sono particolarmente difficili da ispezionare, perché la superficie del cilindro è ruvida e le immagini appaiono sfocate attorno ai bordi per la profondità di campo. L'illuminazione speculare, o riflessa, sulla superficie del cilindro, complica ulteriormente l'ispezione. È difficile programmare un'ispezione automatica che tolleri così tante piccole variazioni di caratteristiche, forma e posizione, oltre a riflessi e punti sfocati.
Cognex Deep Learning identifica rapidamente i pori laddove, a parità di condizioni di illuminazione, altri metodi faticano ad ispezionare. In pochi minuti, un tecnico può mettere a punto il software sulla base di una serie di immagini "buone" e "scarse" del cilindro, regolando la zona di interesse con un filtro per eliminare il disco luminoso dello spazio negativo nell'albero. Utilizzando lo strumento di rilevamento dei difetti in modalità supervisionata, un tecnico annota i fori nelle immagini etichettate come "cattive" e regola i parametri, tra cui la dimensione delle caratteristiche, la scala, il rapporto di aspetto e il taglio per aiutare il modello a tenere conto delle variazioni nell'aspetto. Le immagini "buone" relative ai cilindri normali aiutano il software ad apprendere quali tipi di anomalie e variazioni minori nella colata sono tollerabili. Il tecnico può riconfigurare il sistema, regolando i parametri e aggiungendo immagini, finché il modello è in grado di mettere a punto l'aspetto normale di un cilindro e riconoscere le anomalie. Durante il funzionamento, il software ad apprendimento profondo ispeziona le immagini in pochi millisecondi, classificando i pezzi con pori come difettosi e il resto come normale.
